摘 要：本文基于飛機典型部件進行噴涂仿真研究，結(jié)合虛擬噴涂仿真軟件和機器人運動仿真軟件進行噴涂過程耦合仿真模擬，直觀顯示產(chǎn)品外表的仿真膜厚，評估產(chǎn)品外表的膜厚均勻性，優(yōu)化噴涂路徑以及噴涂參數(shù)。根據(jù)實物的仿形模型進行噴涂驗證，結(jié)果表明噴涂仿真結(jié)果與實測值偏差小于5%，仿真結(jié)果的置信度較高，能有效減少噴涂工藝在調(diào)試過程中反復(fù)迭代的次數(shù)，縮短調(diào)試周期，提高待噴涂產(chǎn)品外表的膜厚均勻性。

關(guān)鍵詞：機器人；噴涂；仿真；膜厚均勻性

中圖分類號：TH 242" " " " " " 文獻標志碼：A

機器人噴涂能提高生產(chǎn)效率、生產(chǎn)過程穩(wěn)定性以及油漆利用率，降低產(chǎn)品返修率[1]。由于飛機表面部分區(qū)域?qū)ν苛闲阅芤蟾?，外觀復(fù)雜，傳統(tǒng)噴涂調(diào)試工藝需要進行大量樣機試驗，試錯成本高，調(diào)試周期長，噴涂質(zhì)量穩(wěn)定性差，因此已無法滿足產(chǎn)品生產(chǎn)需求。虛擬噴涂仿真克服了上述缺點，具有成本低、周期短和能夠靈活調(diào)整的特點。經(jīng)過仿真分析，得到樣件各層漆膜的厚度情況，根據(jù)產(chǎn)品質(zhì)量要求優(yōu)化噴涂參數(shù)以及機器人軌跡，結(jié)合機器人運動行為、耦合沉積工藝以及目標優(yōu)化算法[2]，定位產(chǎn)品表面膜厚不均以及缺陷處，減少噴涂程序，使方案設(shè)計更有針對性，節(jié)省樣機、人力和材料成本，有效提高調(diào)試工作效率和產(chǎn)品外表噴涂質(zhì)量。

1 噴涂工藝參數(shù)變化對膜厚分布的影響

根據(jù)涂層厚度評價噴涂性能以及外觀效果，試驗分析不同工藝參數(shù)對膜厚分布的影響并總結(jié)規(guī)律，提供當(dāng)現(xiàn)場調(diào)試時在固有條件下提高噴涂質(zhì)量的可行方案。

1.1 試驗噴板

根據(jù)噴板試驗結(jié)果獲取噴涂參數(shù)以及膜厚分布情況（噴板試驗如圖1所示），設(shè)定不同的試驗噴涂參數(shù)，測量烘干后的涂層厚度，在垂直噴涂方向板的中心線上每隔1 cm測量膜厚值，得到膜厚分布曲線，分析噴涂工藝參數(shù)的變化對膜厚的影響，噴板試驗參數(shù)見表1。

1.2 工藝參數(shù)對膜厚的影響

1.2.1 評估方法

噴槍霧化后的膜厚分布形狀成“山”形，擬定3個指標用于數(shù)值規(guī)律分析，評估方法如圖2所示。1）最高膜厚。霧幅分布曲線中的膜厚最大值。2）霧幅寬度。噴涂至物體表面的有效寬度，假設(shè)最高膜厚值為m，霧幅寬度為膜厚值高于1/2×m的橫坐標范圍。3）涂層截面積。其可以統(tǒng)計噴涂后涂層在垂直于噴涂方向的截面面積，假設(shè)10 mm內(nèi)的膜厚值相等，計算截面面積=10·a+10·b+10·c...，a、b和c為每10 mm的膜厚值，反映物體表面涂層的疊加效率。

1.2.2 不同流量工藝參數(shù)對膜厚分布的影響

將不同流量的膜厚進行對比（如圖3所示），隨著流量增加，最高膜厚以及截面積增加，當(dāng)噴槍在一定的空氣壓力下，隨著流量增加，霧幅寬度增加，即噴涂范圍增大；如果流量超過控制能力，那么霧幅形狀可能發(fā)生較大變化，不同流量膜厚對比見表2。

由表2可知，流量超過成型空氣的控制極限，寬度降低，截面積明顯增加，說明涂層往邊緣離散。霧幅波動較大會導(dǎo)致生產(chǎn)過程不穩(wěn)定，出現(xiàn)漆膜缺陷。

1.2.3 不同噴涂距離對膜厚分布的影響

在噴涂過程中，工程師不僅要考慮機器人的噴涂距離，還要調(diào)節(jié)機器人噴槍到工件的距離來控制可噴涂范圍以及上漆效果，不同槍距膜厚對比見表3。

由表3可知，噴涂距離越小，膜厚越大，霧幅寬度越小；對比截面積可知，噴涂距離越短，噴涂扇幅面積越大，噴涂上膜效率提升。在實際生產(chǎn)過程中，在能保證噴涂效率和噴涂重疊率的情況下，降低噴涂距離能提升涂料利用率以及上膜效率。如果某區(qū)域正常噴涂膜厚偏低，就采用該方法提升質(zhì)量，例如汽車內(nèi)表面常使用比外表面更短的噴涂距離。

1.2.4 不同噴涂速度對膜厚分布的影響

測試不同槍速的膜厚分布狀態(tài)，不同槍速膜厚對比見表4。

由表4可知，當(dāng)機器人噴涂速度增加時，噴涂霧幅寬度無明顯變化，噴涂膜厚降低。例如當(dāng)噴涂速度分別為400 mm/s、500 mm/s和600 mm/s時，每s層膜體積分別為712.8 mm3、708.5 mm3、619.2 mm3，有效上漆量和利用率降低。

2 噴涂仿真

試驗基于某型飛機部件進行噴涂仿真研究，對機器人運動路徑[3-4]進行設(shè)計，分析機器人運動可行性，使用虛擬噴涂仿真軟件模擬空氣噴槍在產(chǎn)品外表的噴涂過程，調(diào)試虛擬膜厚參數(shù)，驗證仿真膜厚與實際噴涂膜厚的匹配度，提升膜厚均勻度和產(chǎn)品質(zhì)量。

2.1 需求確認

以飛機部件的仿形模型為噴涂仿真研究對象，選定噴涂覆蓋區(qū)域，噴涂涂層的干膜厚度為40 μm～60 μm。

2.2 建立噴涂仿真數(shù)據(jù)庫

在基礎(chǔ)模型的基礎(chǔ)上導(dǎo)入試驗噴板膜厚曲線，進行噴板仿真模擬，如圖4（a）所示，復(fù)現(xiàn)試驗噴板的噴涂效果，調(diào)整軟件中內(nèi)置的粒徑分布、氣流速度、漆滴運動速度和運動角度等參數(shù)，調(diào)節(jié)霧幅以及仿真膜厚值，與實測膜厚值進行對比，如圖4（b）所示，直至仿真的膜厚曲線與實測值吻合，生成對應(yīng)參數(shù)的噴涂仿真虛擬刷子表。

2.3 機器人噴涂軌跡設(shè)計

當(dāng)設(shè)計噴涂軌跡時，須同時考慮機器人性能以及涂料噴涂效果[5-8]。機器人噴涂軌跡點信息如圖5所示，在機器人運動可達范圍內(nèi)，結(jié)合試驗噴板膜厚分布以及霧化效果等創(chuàng)建噴涂軌跡。1）根據(jù)噴槍的霧幅范圍和重疊需求設(shè)定合理的折返距離，通常為90 mm～110 mm。2）考慮噴涂上漆效果，將軌跡點的噴涂角度設(shè)置為垂直于表面。3）機器人按照噴涂軌跡運動，須評估機器人可達性、流暢性，無碰撞干涉，減少無效運動軌跡。4）根據(jù)生產(chǎn)線節(jié)拍要求，考慮在噴涂過程中涂料的切換和清洗時間，在允許范圍內(nèi)放慢噴涂速度，提高涂料利用率。5）根據(jù)軌跡重疊效果設(shè)計合理的刷子分區(qū)，對噴涂參數(shù)進行細化，提高膜厚均一性，減少涂料消耗。

2.4 噴涂膜厚仿真

在噴涂仿真軟件中設(shè)置產(chǎn)品數(shù)模、噴涂軌跡和刷子表等邊界條件，進行噴涂膜厚仿真，虛擬調(diào)試噴涂軌跡以及噴涂參數(shù)，由圖6可知，單次噴嘴膜厚約為25 μm，膜厚波動低于1.5 μm，膜厚均一性較好，采用2次成膜的方式可實現(xiàn)40 μm～60 μm的涂層目標。

2.5 仿真結(jié)果驗證

2.5.1 機器人標定

將仿真軌跡導(dǎo)入現(xiàn)場進行機器人軌跡校點，保證噴涂軌跡與零件的相對位置一致，運動連貫，無過程奇異點。

2.5.2 試驗噴涂驗證

在對實際樣件進行噴涂前，為驗證膜厚均勻性以及仿真匹配度，在部件外表粘貼鋁片進行膜厚測試（如圖7所示），采集實際噴涂膜厚數(shù)值。

由表5可知，膜厚實測值與仿真結(jié)果平均偏差約2 μm，仿真結(jié)果置信度較高。噴涂后的樣件涂層外觀色調(diào)一致，表面平整、均勻，無分層、流掛、皺紋、縮邊、氣孔和針孔等缺陷，整體膜厚均勻性較高，如圖8所示。

3 結(jié)論

本文結(jié)合虛擬仿真技術(shù)與噴涂自動化，研究多維度、多角度的噴涂工藝并進行多次試驗，得到以下2個結(jié)論。1）仿真技術(shù)利用模型復(fù)現(xiàn)實際過程，規(guī)避傳統(tǒng)機器人噴涂調(diào)試的錯誤方式，對噴涂方案的合理性、噴涂膜厚的均勻性提前進行評估與優(yōu)化，降低了試錯成本，解決了產(chǎn)品噴漆成膜質(zhì)量調(diào)控的問題，提升產(chǎn)品外表的噴涂質(zhì)量。2）在部件外表粘貼鋁片進行噴涂測試，膜厚實測值與仿真結(jié)果平均偏差為2 μm，仿真結(jié)果與實測值偏差低于5%，仿真結(jié)果的置信度較高。3）噴涂仿真軟件利用數(shù)值化、可視化直觀展示產(chǎn)品外表的膜厚噴涂效果，避免當(dāng)前噴涂方案設(shè)計的盲目性，不再局限于對反復(fù)迭代的“測試驗證-修改設(shè)計”串行進行優(yōu)化，能顯著縮短機器人噴涂設(shè)備的調(diào)試周期。

參考文獻

[1]周如東.飛機蒙皮表面處理和涂層選擇及涂裝工藝[J].涂層與防護，2018，39（6）：51-54，62.

[2]MIU DJ，WU L，XU J，et al.Automatic spraying robot systemfor"aircraft surfaces and spraying operation planning[J].Journal of jilin university（Engineering and technology edition），2015，45（2）：547-553.

[3]張川.復(fù)雜曲面機器人噴漆軌跡自動規(guī)劃與優(yōu)化方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2018.

[4]葉超.基于立體視覺的自動噴漆機器人工件定位系統(tǒng)設(shè)計[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2017.

[5]NAMITHA N，VAITHEESWARAN S M，JAYASREE V K，et al.Point cloud mapping measurements using kinect RGB-D sensor"and kinect fusion for visual odometry[J].Procedia computer science，"2016（89）：209-212.

[6]張思敏，劉興杰，陳志良，等.基于橢圓雙β噴槍模型的噴涂軌跡優(yōu)化[J].清華大學(xué)學(xué)報（自然科學(xué)版），2020，60（12）：985-992.

[7]張鵬.面向大曲率復(fù)雜曲面的噴涂機器人噴槍軌跡優(yōu)化方法研究[D].蘭州：蘭州理工大學(xué)，2017.

[8]馮浩，吳秋，王小平.基于橢圓雙β模型的球面噴涂軌跡優(yōu)化[J].機械設(shè)計與制造，2016（4）：249-252，257.